一種手機(jī)刷臉支付代碼的生成方法
【專(zhuān)利摘要】本發(fā)明屬于圖像處理領(lǐng)域中的一種手機(jī)刷臉支付代碼的生成方法，其特點(diǎn)是刷臉支付代碼是產(chǎn)生于在概率尺度距離空間中的人臉的五官位置信息，五官尺寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉的膚色信息。并且按照人為介入的方法，通過(guò)隸屬函數(shù)生成的基礎(chǔ)性的代碼。針對(duì)基礎(chǔ)代碼再通過(guò)概率尺度距離空間的自適應(yīng)學(xué)習(xí)的方法得到具有唯一性的最終刷臉代碼值。運(yùn)用本發(fā)明提出的方法可在復(fù)雜的手機(jī)拍攝環(huán)境下將人臉圖像變換成一個(gè)可認(rèn)證持卡人身份的ID，該ID具有非常穩(wěn)定的效果。
【專(zhuān)利說(shuō)明】一種手機(jī)刷臉支付代碼的生成方法 【技術(shù)領(lǐng)域】 本發(fā)明屬于圖像處理領(lǐng)域中的一種刷臉手機(jī)支付的實(shí)現(xiàn)方法與其程序的構(gòu)成。 【【背景技術(shù)】】 近些年來(lái)，手機(jī)移動(dòng)支付成為人們特別關(guān)注的話題，中國(guó)各大銀行紛紛投入手機(jī)支付 系統(tǒng)的開(kāi)發(fā)，各大網(wǎng)站也將手機(jī)支付作為贏得對(duì)手的武器，一種用二維碼支付的解決方案 已經(jīng)在某些社交網(wǎng)站上應(yīng)用。（非專(zhuān)利文獻(xiàn)1) 作為手機(jī)支付早在若干年前日本已經(jīng)開(kāi)始推出RFID技術(shù)的手機(jī)電子支付系統(tǒng)。在一 些例如購(gòu)買(mǎi)車(chē)票，雜志或零食的方便店里廣為應(yīng)用。在此期間也有大量的專(zhuān)利文獻(xiàn)的發(fā)表。 代表性的專(zhuān)利申請(qǐng)有日本電裝公司申請(qǐng)的"支付系統(tǒng)及支付終端"專(zhuān)利（專(zhuān)利文獻(xiàn)1)。 同時(shí)，為了能夠?qū)⑷四樧R(shí)別結(jié)果進(jìn)行網(wǎng)絡(luò)認(rèn)證，將人臉圖像代碼化的提案很早之前就 被日本東芝公司發(fā)表了"人物識(shí)別裝置，人物識(shí)別方法以及通行控制裝置"的專(zhuān)利（專(zhuān)利文 獻(xiàn)2)。 特別是通過(guò)手機(jī)識(shí)別人臉進(jìn)行網(wǎng)絡(luò)認(rèn)證更是被國(guó)際關(guān)注的技術(shù)，美國(guó)蘋(píng)果公司最近也 申請(qǐng)了有關(guān)"人臉特征向量化的構(gòu)筑"的專(zhuān)利（專(zhuān)利文獻(xiàn)3)。 【專(zhuān)利文獻(xiàn)】 【專(zhuān)利文獻(xiàn)1】（特開(kāi)2014-78074號(hào)公告） 【專(zhuān)利文獻(xiàn)2】（特開(kāi)2006-178651號(hào)公告） 【專(zhuān)利文獻(xiàn)3】（特開(kāi)2013-131209號(hào)公告） 【非專(zhuān)利文獻(xiàn)1】（微信二維碼支付功能使用方法） (http ：//www. smzy. com/smzy/techl7871. html) 訪問(wèn)時(shí)間：2014年10月5日 上述的非專(zhuān)利文獻(xiàn)1中記述的方法，曾被國(guó)家權(quán)威金融機(jī)關(guān)以二維碼不安全而叫停， 用二維碼進(jìn)行手機(jī)支付的解決方案被封殺。 上述專(zhuān)利文獻(xiàn)1中記載的手機(jī)支付系統(tǒng)是通過(guò)無(wú)線通訊進(jìn)行代碼交換的，由于安全問(wèn) 題還沒(méi)有完全解決，特別是在手機(jī)丟失等情況下會(huì)使手機(jī)合法持有者出現(xiàn)較大的損失，因 此這種手機(jī)支付方法只適合小額支付。 同時(shí)，專(zhuān)利文獻(xiàn)2中提到的將人臉圖像進(jìn)行代碼化的方法，是采用普通的識(shí)別兩個(gè)圖 像是否同一圖像的"正規(guī)化相關(guān)函數(shù)"的算法。運(yùn)用這種經(jīng)典的算法得到的人臉代碼的范 圍極小，精度較低以及代碼穩(wěn)定性很差不適合于人臉網(wǎng)絡(luò)認(rèn)證。 上述的專(zhuān)利文獻(xiàn)3中提到的人臉特征向量化的算法，是利用馬哈那羅比距離測(cè)度 (Mahalanobis Distance)的最佳算法將人臉圖像進(jìn)行向量化，可以獲得比專(zhuān)利文獻(xiàn)2的精 度要高的結(jié)果，但是這種算法針對(duì)手機(jī)拍照人臉時(shí)的環(huán)境的影響，在計(jì)算特征向量值的平 均，共分散上受傳統(tǒng)的算法的局限，在計(jì)算人臉特征向量值時(shí)仍然受到歐幾里德距離的影 響。另外，該方法還存在由于馬哈那羅比距離測(cè)度的算法最終所使用的統(tǒng)計(jì)學(xué)上的分散值 并不是最為接近概率分布母體的數(shù)值。而且，馬哈那羅比距離測(cè)度并不符合概率尺度距離 空間的結(jié)果的問(wèn)題。特別是該方法沒(méi)有考慮人臉各器官的位置的模糊信息，以及人為介入 對(duì)人臉各器官的位置的模糊信息通過(guò)隸屬函數(shù)（Membership Function)進(jìn)行定式，并參與 人臉特征向量化的計(jì)算。 【
【發(fā)明內(nèi)容】
】 本發(fā)明的第一個(gè)目的是：克服傳統(tǒng)技術(shù)的不足，提供一個(gè)將隨機(jī)分布的人臉的各個(gè)器 官的位置以及尺寸在概率尺度下進(jìn)行位置參數(shù)的特定，并通過(guò)人為介入將器官所在位置 以及尺寸的模糊信息進(jìn)行定式，提出一個(gè)既考慮人臉各器官的位置以及尺寸分布的概率信 息，同時(shí)又考慮模糊信息的更加穩(wěn)定的刷臉支付代碼的生成算法。 本發(fā)明的第二個(gè)目的是：為了進(jìn)一步減少由于手機(jī)拍照人臉時(shí)的環(huán)境的影響，造成人 臉圖像的特征向量的不穩(wěn)定性，提供一個(gè)通過(guò)概率尺度的自組織的算法，以及特征向量自 適應(yīng)學(xué)習(xí)的算法，從而得到穩(wěn)定的持卡人刷臉支付代碼。 本發(fā)明的第三個(gè)目的是：提供一個(gè)用刷臉進(jìn)行手機(jī)支付的系統(tǒng)構(gòu)成方法。 為了解決上述課題，提出如下技術(shù)方案： 一種手機(jī)刷臉支付代碼的生成方法，具有如下的特點(diǎn)： (1) 刷臉支付代碼的生成是基于概率尺度距離空間中的人臉的五官位置信息，五官尺 寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉的膚色信息在內(nèi)的至少一種人 臉特征信息的； (2) 刷臉支付代碼是將上述概率尺度距離空間的特征信息按照人為介入的方法，通過(guò) 隸屬函數(shù)進(jìn)行數(shù)值化處理； (3) 刷臉支付代碼是將上述復(fù)數(shù)的數(shù)值化的數(shù)據(jù)構(gòu)成的特征向量，再經(jīng)概率尺度距離 空間的自適應(yīng)學(xué)習(xí)的方法得到具有唯一性的最終刷臉代碼值。 而且，概率尺度距離空間的人臉特征信息，是指將人臉隨機(jī)分布的特征信息，通過(guò)包括 正態(tài)分布，指數(shù)分布，愛(ài)爾朗分布，韋伯分布，三角分布，貝塔分布中至少一種具有概率分布 的概率屬性的參數(shù)作為自組織概率尺度，最終通過(guò)概率尺度的自組織的算法獲得的具有相 對(duì)確定性的特征信息。 而且，針對(duì)持卡人的臉部進(jìn)行識(shí)別是依賴(lài)于手機(jī)拍照的持卡人的臉部圖像為不含亮度 信息的彩色圖像，在不損失臉部圖像色彩信息的基礎(chǔ)上實(shí)現(xiàn)將臉部圖像變換成可以特定持 卡人的代碼。 而且，本發(fā)明利用上述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素分布 的密度規(guī)律，導(dǎo)入概率尺度自組織的算法，自動(dòng)的將人臉五官位置信息抽出。 而且，將上述人臉特征信息通過(guò)概率自組織算法得到最為接近母體的特征值，同時(shí)又 導(dǎo)入模糊數(shù)學(xué)的理論，針對(duì)上述求出的人臉的信息通過(guò)人為介入的方式，使用基于人為經(jīng) 驗(yàn)所定義的復(fù)數(shù)個(gè)隸屬函數(shù)（Membership Function)，在0到η數(shù)值之間進(jìn)行數(shù)值化直接生 成具有圖像代碼性質(zhì)的特征向量。 而且，刷臉支付代碼的生成是考慮了包括眼球的眨眼的動(dòng)作，張嘴閉嘴的動(dòng)作，臉部微 笑時(shí)的肌肉微小變化，瞳孔的變化，臉部微小晃動(dòng)的加速度，臉部的顏色在內(nèi)至少一種反映 生命體圖像特征的刷臉圖像的生命體圖像的識(shí)別。 本發(fā)明還提出一種手機(jī)刷臉支付代碼的生成程序，具有如下的特點(diǎn)： (1) 概率尺度距離空間處理模塊具備可產(chǎn)生于在概率尺度距離空間中的人臉的五官位 置信息，五官尺寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉的膚色信息在 內(nèi)的至少一種人臉特征信息的功能； (2) 基礎(chǔ)性的數(shù)碼模塊具備可將上述概率尺度距離空間的信息按照人為介入的方法， 通過(guò)隸屬函數(shù)生成的基礎(chǔ)性的數(shù)碼的功能； (3) 刷臉支付代碼最終生成模塊具備可將上述通過(guò)隸屬函數(shù)生成的代碼再經(jīng)概率尺度 距離空間的自適應(yīng)學(xué)習(xí)的方法得到具有唯一性的最終刷臉代碼值。 【名詞解釋】 【歐幾里德距離（Eucli dean Distance)】 設(shè)有q個(gè)由P個(gè)元素組成的向量，可用公式1所示的行列式來(lái)表達(dá)。 【公式1】
向量Wll，W12，…，Wip，與公式1中的第i個(gè)向量的歐幾里德距離，可由公式2得出。 【公式2】
[0022] 歐幾里德距離用于針對(duì)一個(gè)特征向量Wil, Wi2，…，Wip，計(jì)算這個(gè)特征向量與特征向 量空間Vlj的各個(gè)特征向量之間的距離，沒(méi)有考慮特征向量W11, W12，…，Wlp的各個(gè)要素的概 率分布，視各個(gè)要素的概率分布為相同的。實(shí)際上在圖像識(shí)別中，特征向量W11, W12，…，Wlp 的各個(gè)要素的概率分布因各個(gè)模式的價(jià)值不同，呈現(xiàn)的概率分布也是不同的。因此，要引進(jìn) 新的距離的概念。 【馬哈拉若比斯距離（Mahalanobis Distance)】 針對(duì)公式1所示的q個(gè)由P個(gè)元素組成的向量，所構(gòu)成的行列式，現(xiàn)給定一個(gè)向量wu， W12，…，Wip，與公式1中的第i個(gè)向量的馬哈拉若比斯距離，可由公式3得出。 【公式3】
這里，O1,是第i個(gè)向量V u的各個(gè)要素 Vil，Vi2，…，νιρ，在多次學(xué)習(xí)后所得到的數(shù)據(jù) 所對(duì)應(yīng)的概率分布的分散。 從公式3可以看出，在Vlj的各個(gè)要素Vll，V12，…，Vip所對(duì)應(yīng)的概率分布的分散較大 時(shí)，歐幾里的距離相關(guān)的（Wl]-Vl])2的值即使較大，所形成的馬哈拉若比斯的距離M 1的計(jì)算 結(jié)果會(huì)偏小。反之的各個(gè)要素Vll，V12，…，Vip所對(duì)應(yīng)的概率分布的分散較小時(shí)，歐幾 里的距離相關(guān)的（ Wl]-Vl])2的值即使較小，所形成的馬哈拉若比斯的距離M1的計(jì)算結(jié)果會(huì) 偏大，這就是說(shuō)M 1的計(jì)算結(jié)果與Vlj的各個(gè)要素Vll，V12，…，V ip所對(duì)應(yīng)的概率分布的分散 有關(guān)。 但是，公式3所給出的馬哈拉若比斯的距離，針對(duì)Wl]的各個(gè)要素w u，W12，…，Wip所對(duì) 應(yīng)的概率分布，只是一個(gè)能夠考慮Wi^j的各個(gè)要素W ^Wi2，…，Wip所對(duì)應(yīng)的概率分布的分散 值，這個(gè)分散值能夠影響馬哈拉若比斯的距離M 1的計(jì)算結(jié)果，并沒(méi)有給出一個(gè)更加嚴(yán)格的 可以更加準(zhǔn)確的計(jì)算出，在特征向量W11, W12，…，Wlp的各個(gè)要素有著不同的概率散值時(shí)，可 以計(jì)算出一個(gè)特征向量W il，Wi2，…，Wip，與特征向量空間的各個(gè)特征向量之間的真實(shí)的 距離。 特別是，馬哈拉若比斯的距離所使用的表示特征向量Wll，W12，…，Wlp的各個(gè)要素的分 散值σ /也會(huì)受到不同數(shù)據(jù)采樣下的白噪聲的干擾，并不是一個(gè)最接近概率分布的母體的 分散值。本發(fā)明提出全新的概率尺度的距離的算法。 【概率尺度的距離（Probability Scale Distabce)】 設(shè)給定的一個(gè)具有概率分布的數(shù)列g(shù)p g2，…ge的集合為G e gf(f = 1，2，…，ζ)， 該集合的中心值為A (G)，中心值為A (G)的概率尺度為M [G，A (G)]，而且由自組織化迭代所 算出的以第η-1次的中心值A(chǔ)(G(n η)，并且以該中心值為基準(zhǔn)的半徑M[G(n ' A(G (η，]內(nèi) 存在著1^個(gè)概率分布的數(shù)列81，82，~8 1<的集3合為6(11)￡81；(€=1，2，~，1〇，則 【公式4】 Am=HG (η)) M(n)= M[G (n)，A(Gw)] G(n)=G{[A(G(nl))，M[G(nl)，A(G(n1))]] 由上述迭代公式1經(jīng)過(guò)若干次迭代所算出的中心值是針對(duì)概率分布的數(shù)列g(shù)l，g2，… ge所得到的最為接近母體的估計(jì)值，而最終的基準(zhǔn)半徑值為一概率尺度，以最終的中心值 為基準(zhǔn)，在概率尺度的范圍內(nèi)的所有的概率分布的數(shù)列 gl'，g2'，~gk'均可屬于概率分布 數(shù)列g(shù)l，g2，…以的真值。 因此在計(jì)算兩個(gè)概率分布的向量Wil, Wi2，…，Wip與向量V MVi2，…，Vip，所對(duì)應(yīng)的各個(gè) 要素的概率分布的概率尺度的距離時(shí)，設(shè)向量V11, V12，…，Vl j，…，Vlp中第j個(gè)要素V U的 概率分布的數(shù)列為gjl，gj2，…gK，通過(guò)公式4算出的最終的中心值A(chǔ) lj，以及概率尺度Mlj, 則 【公式5】
將公式5的結(jié)果帶入公式6就可得到概率尺度的距離Pi。 【公式6】
運(yùn)用上述公式1，4, 5以及6的計(jì)算方法，可以針對(duì)兩個(gè)概率分布的特征向量之間，得到 一個(gè)最為接近母體的距離值。為本發(fā)明提出的在復(fù)雜的手機(jī)拍攝環(huán)境下將人臉圖像變換成 一個(gè)可認(rèn)證持卡人身份的ID所能得到一個(gè)最為穩(wěn)定的結(jié)果。 【【附圖說(shuō)明】】 圖1是手機(jī)刷臉支付系統(tǒng)的終端流程圖 圖2概率尺度距離的自組織處理流程示意圖 圖3是臉部識(shí)別五官位置特征點(diǎn)的設(shè)定方法示意圖 圖4是臉部識(shí)別五官尺寸信息的特征值的定義方法示意圖 圖5是通過(guò)人的眼位置與尺寸信息提取特征值的示意圖 圖6是通過(guò)人臉局部頻率空間的信息提取特征值的示意圖 圖7是通過(guò)人臉的形狀信息提取特征值的示意圖 圖8是通過(guò)人臉的膚色信息提取特征值的示意圖 圖9將人臉的形狀信息定義成隸屬函數(shù)的例子 圖10是刷臉代碼自適應(yīng)學(xué)習(xí)處理方法的流程圖 圖11是手機(jī)刷臉支付終端的構(gòu)成與操作過(guò)程示意圖 圖12是具有刷臉支付功能的POS機(jī)的示意圖 圖13是具有刷臉支付功能所實(shí)現(xiàn)的三卡合一的示意圖 圖14是生命體圖像識(shí)別的例子之一的示意圖 【【具體實(shí)施方式】】 以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例做進(jìn)一步詳述，但本發(fā)明所述的實(shí)施例是說(shuō)明性的，而 不是限定性的。 本發(fā)明解決其技術(shù)問(wèn)題是采取以下技術(shù)方案實(shí)現(xiàn)的：根據(jù)說(shuō)明書(shū)附圖對(duì)于發(fā)明的實(shí)施 例進(jìn)行說(shuō)明。 圖1是手機(jī)刷臉支付系統(tǒng)的處理流程圖。 如圖1所示：在"支付與被支付信息的交互"S1步驟中，手機(jī)或計(jì)算機(jī)可通過(guò)無(wú)線WiFi， 或者通過(guò)藍(lán)牙，或者通過(guò)超聲波的聲音信號(hào)，或者通過(guò)二維碼，或者通過(guò)直接的網(wǎng)絡(luò)信息在 內(nèi)的接收到來(lái)自POS機(jī)，或通過(guò)網(wǎng)絡(luò)接收來(lái)自網(wǎng)絡(luò)銷(xiāo)售的支付金額，支付回?cái)?shù)等支付信息。 手機(jī)自動(dòng)或手動(dòng)的選擇所持銀行信用卡名稱(chēng)，或網(wǎng)絡(luò)上的支付寶名稱(chēng)，手機(jī)自動(dòng)的發(fā)送信 用卡的卡號(hào)，存款銀行名稱(chēng)與帳號(hào)，信用卡有效時(shí)間，安全認(rèn)證碼，或支付寶的帳號(hào)等所要 支付金額的來(lái)源，以及確認(rèn)支付的金額等的被支付信息。 在"拍照持卡人臉部" S2步驟中，手機(jī)，計(jì)算機(jī)或POS機(jī)的攝像機(jī)自動(dòng)進(jìn)入拍照人臉的 狀態(tài)，將持卡人的臉部圖像取出。 這里，針對(duì)持卡人的臉部進(jìn)行識(shí)別是依賴(lài)于手機(jī)拍照的持卡人的臉部圖像為不含亮度 信息的彩色圖像，在不損失臉部圖像色彩信息的基礎(chǔ)上實(shí)現(xiàn)將臉部圖像變換成可以特定持 卡人的代碼。 在"刷臉支付代碼生成"S3步驟中，將在S#驟中得到的持卡人的臉部圖像的具有隨機(jī) 分布的五官位置信息，五官尺寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉 的膚色信息，或可以特定持卡人的其他信息，通過(guò)概率尺度距離空間的自組織處理，變成比 較穩(wěn)定的刷臉圖像特征信息。 也就是說(shuō)，利用上述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素分布的 密度規(guī)律，導(dǎo)入概率尺度自組織的算法，自動(dòng)的將人臉五官的真實(shí)位置信息抽出。 然后按照人為介入的方法進(jìn)行公式化處理，形成含有人臉圖像的模糊信息，概率信息 以及人臉的特征信息的數(shù)字化數(shù)據(jù)，再按照人臉識(shí)別的學(xué)習(xí)數(shù)據(jù)，自適應(yīng)的，自組織的得到 可對(duì)人臉圖像進(jìn)行認(rèn)證的代碼。 在"代碼認(rèn)證與支付操作" S4步驟中，上述人臉代碼將被送到銀行的網(wǎng)絡(luò)服務(wù)器中，經(jīng) 過(guò)認(rèn)證成功后進(jìn)行支付操作，認(rèn)證失敗將重新返回"支付確認(rèn)" S1*驟或"拍照持卡人臉 部" S2步驟中，重復(fù)上述操作，或在多次認(rèn)證沒(méi)有通過(guò)的情況下進(jìn)行拒付的處理。 圖2是概率尺度距離的自組織處理流程。 如圖2所示：設(shè)給定的一個(gè)具有概率分布的數(shù)列g(shù)p g2，…集合為G e g i (f = 1， 2，…，1)，則基于概率尺度的自組織算法由下邊4個(gè)步驟構(gòu)成。 STEPl :預(yù)處理步驟：Mw作為初始化概率尺度，A w作為自組織的初始中心值，V作為自 組織的收斂值，MN作為自組織最大組織次數(shù)值，最初n = O作為自組織的當(dāng)前次數(shù)。 關(guān)于Mw作為初始化概率尺度和Aw作為自組織的初始中心值的決定方法，無(wú)需進(jìn)行 嚴(yán)密的設(shè)定。通過(guò)人工預(yù)測(cè)，對(duì)于最終的范圍，至少有一部分?jǐn)?shù)值是包含在初始化概率尺度 Mw的范圍內(nèi)的。初始化概率尺度M w越大，計(jì)算的時(shí)間就越長(zhǎng)，反之太小，有可能得不到正 確的結(jié)果。 關(guān)于V作為收斂值的設(shè)定方法，收斂值V越大，就有可能得不到正確的結(jié)果。收斂值越 小，計(jì)算花費(fèi)的時(shí)間越長(zhǎng)。正確的設(shè)定方法是最終自組織的概率尺度的10%左右。 關(guān)于最大自組織次數(shù)MN的設(shè)定方法，一般是5-10次就足夠了。 STEP2 :自組織步驟：進(jìn)行η次自組織處理，把A(n)作為自組織中心值，概率尺度M (4作 為半徑，以中心值A(chǔ)(n)為基準(zhǔn)，計(jì)算半徑以?xún)?nèi)的所有數(shù)值gf(f = 1，2，···，ζ)的平均值V(n+1) 與分散值 s(n+1)，V(n+1) = A (n+1)，S(n+1) = M (η+1)，η = n+1。 【公式6】
STEP3 :自組織判別步驟。自組織處理達(dá)到最大次數(shù)（N多MN)或者自組織處理收斂 (M(n)-M(n+1)彡V)，如為YES，就不再進(jìn)行下次的自組織處理，自組織結(jié)束跳轉(zhuǎn)到STEP4。如果 是N0,就跳轉(zhuǎn)到STEP2繼續(xù)進(jìn)行自組織處理。 STEP4 :自組織處理結(jié)束。 概率尺度M(n)是一個(gè)具有多重屬性的概率統(tǒng)計(jì)的參數(shù)。比方說(shuō)正態(tài)分布，指數(shù)分布，愛(ài) 爾朗分布，韋伯分布，三角分布，貝塔分布等等。例如概率尺度M(n)就可以作為正態(tài)分布的 分散值。 本發(fā)明將臉部的位置信息作為特定持卡人的重要信息，因此針對(duì)臉部的位置信息進(jìn)行 如下的定義。 圖3是臉部識(shí)別五官位置特征點(diǎn)的設(shè)定方法示意圖。 如圖3所示：由臉部的五官的位置可以構(gòu)成24個(gè)以上的特征點(diǎn)（Landmarks)。例如， 左眼的左右眼角位置構(gòu)成了 1:與12兩個(gè)特征點(diǎn)，右眼的左右眼角位置又構(gòu)成了 1 3與1 4兩 個(gè)特征點(diǎn)，左眼與左眼眉毛中心的垂直位置構(gòu)成了 15與I6兩個(gè)特征點(diǎn)，右眼與右眼眉毛中 心的垂直位置又構(gòu)成了 17與I s兩個(gè)特征點(diǎn)，鼻子兩邊構(gòu)成了 19與I i。兩個(gè)特征點(diǎn)，鼻子兩 邊與兩眼的連接線的垂直位置又構(gòu)成了 1與112兩個(gè)特征點(diǎn)，嘴的兩邊構(gòu)成了 113與114兩 個(gè)特征點(diǎn)，嘴的兩邊與鼻子的中間又構(gòu)成了 115與I16兩個(gè)特征點(diǎn)，左眼的左眼角與右眼的右 眼角位置構(gòu)成了 117與118兩個(gè)特征點(diǎn)，左眼的左眼角與右眼的右眼角的連接線與臉的額部 的垂直又構(gòu)成了 119與Im兩個(gè)特征點(diǎn)，嘴的兩邊的特征點(diǎn)連接線延長(zhǎng)之后與臉的兩側(cè)相交 構(gòu)成了 121與122兩個(gè)特征點(diǎn)，嘴的兩邊的特征點(diǎn)連接線延長(zhǎng)之后與臉的兩側(cè)相交所構(gòu)成的 連線與臉額的垂直線又構(gòu)成了 123與I24兩個(gè)特征點(diǎn)。 這里，嘴的兩邊與鼻子的中間構(gòu)成的116特征點(diǎn)與鼻子兩邊與兩眼的連接線的垂直位 置構(gòu)成的^特征點(diǎn)是重合的，左眼的左眼角與右眼的右眼角位置構(gòu)成了 117與118兩個(gè)特 征點(diǎn)，是與1:與I4兩個(gè)特征點(diǎn)重合的，左眼的左眼角與右眼的右眼角與臉的額部構(gòu)成的1 19 與I2A寺征點(diǎn)與鼻子兩邊與兩眼的連接線的垂直位置又構(gòu)成的112特征點(diǎn)，以及與嘴的兩邊 的特征點(diǎn)連接線延長(zhǎng)之后與臉的兩側(cè)相交所構(gòu)成的連線以及臉額的垂直線構(gòu)成的I 24特征 點(diǎn)是重合的，嘴的兩邊的特征點(diǎn)連接線延長(zhǎng)之后與臉的兩側(cè)相交所構(gòu)成的連線與臉額的垂 直線又構(gòu)成的I 23特征點(diǎn)與嘴的兩邊與鼻子的中間又構(gòu)成的115特征點(diǎn)重合。 也就是說(shuō)，1:與117是一個(gè)左眼的左眼角位置，14與118是一個(gè)右眼的右眼角位置，1 12 與I19是一個(gè)兩眼的連接線的垂直位置，1 ^與116是一個(gè)鼻子兩邊的中心位置，115與123是 嘴的兩邊的特征點(diǎn)的中心位置，與1 24是臉額的特征點(diǎn)的位置，因此實(shí)際可描述臉部五官 的特征點(diǎn)是18個(gè)。 實(shí)際上，只要把1與12兩個(gè)特征點(diǎn)，13與14兩個(gè)特征點(diǎn)，16與1 8兩個(gè)特征點(diǎn)，19與I 1Q 兩個(gè)特征點(diǎn)，11；5與1 14兩個(gè)特征點(diǎn)，1 21與1 22兩個(gè)特征點(diǎn)以及I M特征點(diǎn)，總共13個(gè)特征點(diǎn) 抽出就可。 可以把1與12兩個(gè)特征點(diǎn)所連接的直線，13與14兩個(gè)特征點(diǎn)所連接的直線，1 5與16 兩個(gè)特征點(diǎn)所連接的直線，17與18兩個(gè)特征點(diǎn)所連接的直線，19與1 1(]兩個(gè)特征點(diǎn)所連接的 直線，I11與112兩個(gè)特征點(diǎn)所連接的直線，1 13與114兩個(gè)特征點(diǎn)所連接的直線，115與116兩 個(gè)特征點(diǎn)所連接的直線，1 17與118兩個(gè)特征點(diǎn)所連接的直線，119與I M兩個(gè)特征點(diǎn)所連接的 直線，121與122兩個(gè)特征點(diǎn)所連接的直線，1 23與124兩個(gè)特征點(diǎn)所連接的直線。本發(fā)明將總 共12條直線的長(zhǎng)度作為描述臉部五官位置的特征信息，即把這12個(gè)描述臉部五官位置的 特征信息作為12個(gè)認(rèn)證持卡人的特征向量的要素。 本發(fā)明還將臉部的五官尺寸信息作為特定持卡人的重要信息，因此針對(duì)臉部的尺寸信 息進(jìn)行如下的定義。 圖4是臉部識(shí)別五官尺寸信息的特征值的定義方法示意圖。 圖4(a)是人眼的尺寸示意圖，人眼的大小是判別持卡人特征的重要信息，特別是人眼 眼球的大小是判別持卡人的重要特征。如圖4(a)所示：(4-1)是人眼的眼球，一般為深色， (4-2)人眼的眼底，一般為淺色。V 1是眼的寬度尺寸，V2是眼球的直徑尺寸。本發(fā)明除了上 述所示的將眼的寬度尺寸1作為認(rèn)證持卡人的特征向量的1個(gè)要素，同時(shí)還將眼球的直徑 尺寸V 2作為認(rèn)證持卡人的特征向量的其中1個(gè)要素。 圖4(b)是人嘴的尺寸示意圖，人嘴的大小以及厚度是判別持卡人特征的重要信息。如 圖4(b)所示：(4-3)是人的嘴唇，一般為紅色。V4是嘴的寬度尺寸，￥3是嘴的厚度尺寸。本 發(fā)明除了上述所示的將嘴的寬度尺寸1作為認(rèn)證持卡人的特征向量的1個(gè)要素，同時(shí)還將 嘴的厚度尺寸^作為認(rèn)證持卡人的特征向量的另一個(gè)要素。 本發(fā)明針對(duì)持卡人的臉部進(jìn)行識(shí)別是依賴(lài)于手機(jī)拍照的持卡人的臉部圖像為不含亮 度信息的彩色圖像，在不損失臉部圖像色彩信息的基礎(chǔ)上實(shí)現(xiàn)的將臉部圖像變換成可以特 定持卡人的代碼。因?yàn)槟槻繄D像的色彩信息是高效率的對(duì)臉部五官位置，五官尺寸信息的 抽出提供重要的特征。例如，眼球的顏色，在臉部上最深，眼底顏色在臉部上最淺，嘴唇是紅 色的等。利用不含亮度信息的色彩信息可以很快而且很準(zhǔn)確的將上述五官信息抽出，同時(shí) 由于沒(méi)有受手機(jī)拍攝環(huán)境影響較大的亮度信息，因此識(shí)別結(jié)果對(duì)環(huán)境的影響要小。 本發(fā)明針對(duì)持卡人臉部的識(shí)別還利用了臉部五官部位在某一顏色下像素灰度的分布 的密度進(jìn)行五官部位的信息抽出。例如眼球在黑顏色下同其他五官比較其密度最大，眼底 在白顏色下同其他五官比較其密度最大。嘴在紅顏色下同其他五官比較其密度最大。 本發(fā)明利用上述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素分布的密度 規(guī)律，可以導(dǎo)入上述概率尺度自組織的算法，自動(dòng)的將人臉五官位置信息抽出。因?yàn)楦怕食?度自組織的計(jì)算結(jié)果，就是得到某一顏色，以及某一灰度值的像素分布的概率值最大化的 結(jié)果，也就是可以得到在某一顏色，以及在某一灰度值下的像素分布密度值最大化的結(jié)果。 例如針對(duì)人的眼特征值的識(shí)別，首先應(yīng)從眼球開(kāi)始比較方便，因?yàn)檠矍虻奶攸c(diǎn)是黑色 像素的密度非常大，在眼球附近利用概率自組織的算法可以很方便的提取出人的眼的位置 信息以及尺寸信息。 圖5是通過(guò)人的眼位置與尺寸信息提取特征值的示意圖。 導(dǎo)入概率自組織的方法針對(duì)人的眼位置與尺寸特征的抽出，與上述圖2所示的方法略 有不同，圖2所示的概率自組織的方法是針對(duì)一維數(shù)據(jù)進(jìn)行的，這里是針對(duì)二維空間的眼 球的分布中心以及尺寸計(jì)算出的。 如圖5(a)所示：作為二維空間數(shù)據(jù)的概率自組織的方法參照?qǐng)D2給出的算法，最初應(yīng) 在眼球的附近給出最初的中心位置Aw= (X(]，y。)，以及最初的概率尺度Μ('在找到眼球 的位置的附近，最初的中心位置A w = (X。，y。)，以及最初的概率尺度Mw的設(shè)定方法是，目艮 球一定要被包括在以Aw= (X。，y。）為中心的半徑Mw的范圍內(nèi)，這里，不一定要完全包括 眼球的所有部分，即使有一部分被包括也可，因?yàn)楦怕首越M織算法可以自動(dòng)的將被包括的 范圍，在多次的自組織的計(jì)算下自動(dòng)的移動(dòng)到密度最高的像素分布的地方。 在這一步驟中，如上圖2所示：同樣還要設(shè)定自組織的收斂值V，自組織最大組織次數(shù) 值麗，自組織的當(dāng)前次數(shù)h = 0。其方法可參照?qǐng)D2即可。 如圖5 (b)所示：在下面的概率自組織的計(jì)算中，A(h) = (X。，y。）(h)可參照公式8計(jì)算出。 【公式8】
公式8與公式9只是給出了一個(gè)例子，可以參照這兩個(gè)公式采用其他的類(lèi)似公式同樣 可以得到所需的結(jié)果，這里就不一一列舉了。 進(jìn)行h次自組織處理，把（X。，yi])(h)作為自組織中心值，概率尺度M(h)作為半徑，計(jì)算 半徑以?xún)?nèi)的所有眼部的像素I(Xl，yj) (i = l，2，"·Λ，」= 1，2，"·，1)的灰度密度分散值 S(h+1)。M(h+1)= S (h+1)，h = h+Ι。如圖5(b)所示：概率尺度M(h)= S (h)2的半徑值在收斂，中心 位置A(h)= (X。，yQ)(h)逐漸移到眼球的中心。 經(jīng)過(guò)η次的概率尺度自組織的計(jì)算，在5(c)的步驟中，中心位置A(n)= (X(]，y(])(h)在眼 球的中心位置上停下，概率尺度M(h)的半徑也停在眼球的周?chē)矍虻某叽缗c位置被精確的 計(jì)算出。 刷臉圖像所具有的隨機(jī)分布的五官位置信息，五官尺寸信息，五官形狀信息，五官顏色 信息，五官頻率信息等，經(jīng)過(guò)類(lèi)似上述的概率尺度的自組織處理，就可得到在概率尺度距離 空間中的穩(wěn)定的刷臉信息，這里就不一一列舉了。 作為人臉識(shí)別的五官位置與尺寸信息之外，還有人臉局部頻率空間的信息，也可稱(chēng)為 高次諧波的信息。 圖6是通過(guò)人臉局部頻率空間的信息提取特征值的示意圖。 如圖6所示：601表示人臉的面部，602為人臉額頭的皺紋，603為人臉眼部的眼袋，604 為人嘴兩邊的法令紋。如圖6的602所示：當(dāng)額頭的皺紋非常密集時(shí)，可以通過(guò)額頭的局部 區(qū)域的頻率特性抽出皺紋的特征，可以通過(guò)類(lèi)似快速的傅立葉變換特區(qū)特征值。 如圖6的604所示：當(dāng)皺紋比較清晰，可以通過(guò)對(duì)皺紋所在的區(qū)域的圖像進(jìn)行微分計(jì) 算，找出皺紋的邊線，識(shí)別出皺紋的長(zhǎng)度。針對(duì)皺紋圖像的微分計(jì)算，也是屬于針對(duì)皺紋圖 像進(jìn)行頻率空間的計(jì)算。 圖7是通過(guò)人臉的形狀信息提取特征值的示意圖。 人臉的形狀信息是區(qū)別不同人的重要特征，依附于拍攝環(huán)境的不同變化比較小，而且 在短時(shí)間內(nèi)不會(huì)有很大的變化，也不受發(fā)型或化妝后的影響，因此是一個(gè)相對(duì)穩(wěn)定的信息。 如圖7所示：(a)表示臉型比較瘦的人臉的形狀信息，（b)表示臉型比較普通的人臉的 形狀信息，（c)表示臉型比較胖的人臉的形狀信息。每個(gè)人的臉型會(huì)有不同的差異，利用這 些差異信息可以作為區(qū)分不同人的特征值。 圖8是通過(guò)人臉的膚色信息提取特征值的示意圖。 人臉的膚色信息是快速的區(qū)分不同人的重要信息，如圖8所示：(a)表示黃種人的臉 部，（b)表示白種人的臉部，（c)表示黑人的臉部。將通過(guò)手機(jī)攝像機(jī)讀取到的RGB顏色的 人臉圖像，進(jìn)行Lab顏色空間的變換，把亮度信息L去掉，用a和b來(lái)表示人臉的圖像，用上 述概率尺度自組織的算法，分別計(jì)算顏色a和b的最大分布密度的灰度值，將這兩個(gè)灰度值 作為人臉的膚色信息并通過(guò)隸屬函數(shù)得到人臉膚色的特征值。 本發(fā)明利用人臉的五官位置信息，人臉五官的尺寸信息，人臉局部的頻率空間的信息， 人臉的形狀信息以及人臉的膚色信息，實(shí)現(xiàn)對(duì)持卡人的認(rèn)證。但是，在不同的手機(jī)拍攝環(huán)境 下，上述信息在一定范圍內(nèi)會(huì)出現(xiàn)隨機(jī)分布的問(wèn)題，通過(guò)上述的概率尺度的自組織算法，可 以得到最為接近概率分布母體的期望值與分散值。 為能更加準(zhǔn)確的將持卡人的臉部變換成比較穩(wěn)定的代碼，本發(fā)明在考慮人臉信息的隨 機(jī)性，并采取最為有效的方法計(jì)算出最為接近母體的特征值，同時(shí)又導(dǎo)入模糊數(shù)學(xué)的理論， 針對(duì)上述求出的人臉的信息通過(guò)人為介入的方式，使用基于人為經(jīng)驗(yàn)所定義的復(fù)數(shù)個(gè)隸屬 函數(shù)（Membership Function)，在0到η數(shù)值之間進(jìn)行數(shù)值化，并直接生成具有圖像代碼性 質(zhì)的特征向量。 圖9是將人臉的形狀信息定義成隸屬函數(shù)的例子。 如圖9(a)所示：由a# a 2連接成的直線，由a 2與a 3連接成的直線，以及由a 3與a某 接成的直線構(gòu)成的三角形，a'為該三角形除了臉型所占用的區(qū)域以外的面積，一般來(lái)說(shuō)當(dāng) 人臉的臉型越瘦，a'的面積就越接近與三角形的面積，當(dāng)人臉的臉型越胖，a'所剩下的面積 就越小。利用這一人為主觀的經(jīng)驗(yàn)，可以構(gòu)造出如下的隸屬函數(shù)。設(shè)由 &1與&3連接成的直 線為L(zhǎng)1，由&2與a 3連接成的直線為L(zhǎng) 2，則將人臉的形狀信息定義成的隸屬函數(shù)MB1可由公 式10做成： 【公式10】
當(dāng)人臉?lè)浅Ｅ謺r(shí)，其面積a'接近于"0"，MB1接近于100,當(dāng)人臉?lè)浅Ｊ輹r(shí)，其面積2a' 接近于"W，MB1接近于"0"，因此隸屬函數(shù)MB渴描述人臉胖瘦的特征函數(shù)。 再舉一個(gè)計(jì)算人嘴的寬度的隸屬函數(shù)的例子，設(shè)人嘴通過(guò)統(tǒng)計(jì)求出的最大寬度為乂_， 最小寬度為V_，如圖4 (b)所示再設(shè)嘴的寬度為V4,則人嘴的寬度的隸屬函數(shù)1^2可由公式 11做成： 【公式11】
這里設(shè)Vmax辛Vmin，公式11給出了當(dāng)人嘴接近最小寬度時(shí)，V4^ V _人嘴的寬度的 隸屬函數(shù)MB2接近于100,當(dāng)人嘴接近最大寬度時(shí)，V Vniax人嘴的寬度的隸屬函數(shù)MB 2接 近于0。因此隸屬函數(shù)182是描述人嘴寬度的特征函數(shù)。 其他人臉的眼角寬度，眼球大小，眼角距離，眼球距離，鼻子大小，鼻子與眼的距離，嘴 的寬度，嘴的厚度，嘴與鼻子的距離，臉炊的寬度，嘴與額頭的距離等等反映五官的位置與 大小的信息，以及臉的皺紋，臉的膚色，臉的形狀等等信息都可參照上述隸屬函數(shù)的定義方 法，將人臉信息變換成0到η的標(biāo)準(zhǔn)數(shù)值的特征向量，無(wú)論采用什么形式的隸屬函數(shù)，都將 是屬于本發(fā)明的范圍之內(nèi)。 在這里定義特征向量空間，設(shè)將q個(gè)不同人的人臉圖像按照上述方法，求出q個(gè)特征向 量，每個(gè)特征向量具有P個(gè)特征要素的人臉圖像特征向量構(gòu)成公式1的特征向量空間。 再設(shè)持卡人刷臉圖像的特征向量wT1，wT2，…，wTp與第i個(gè)人臉圖像的特征向量V u， V12，…，Vip，對(duì)應(yīng)Ψ個(gè)經(jīng)過(guò)若干次識(shí)別被登錄的學(xué)習(xí)數(shù)據(jù)，構(gòu)成學(xué)習(xí)數(shù)據(jù)的矩陣L。 【公式12】
按照上述公式1，4以及12,進(jìn)行概率尺度的自組織計(jì)算，可分別得到如下的學(xué)習(xí)數(shù)據(jù) 矩陣的中心值以及分散值Lam: 【公式13】 Lab= [(ApM1), (A2, M2)，…，（Ap，Mp)] 這里設(shè)第T次進(jìn)行刷臉支付時(shí)，持卡人刷臉圖像的特征向量Wti，Wt2，…，WTp與特征 向量空間Vlj中的各個(gè)特征向量之間的概率尺度的距離按照公式5,6可得： 【公式14】
其中最小值對(duì)應(yīng)的特征向量值V T1，VT2，…，Vtp為第T個(gè)人的刷臉圖像的刷臉 代碼值。 圖10是刷臉代碼自適應(yīng)學(xué)習(xí)處理方法的流程圖。 持卡人刷聯(lián)認(rèn)證時(shí)所拍攝的人臉圖像通過(guò)特征信息抽出，隸屬函數(shù)的計(jì)算等得到的持 卡人刷臉圖像的特征向量，與特征向量空間的各個(gè)特征向量進(jìn)行概率尺度的距離的計(jì)算， 求出公式14的概率尺度距離的最小值所對(duì)應(yīng)的特征向量作為持卡人的刷臉代碼。為提高 刷臉支付代碼的精度與穩(wěn)定性，本發(fā)明提出一個(gè)自適應(yīng)的刷臉代碼生成方法。 如圖10所示，刷臉代碼自適應(yīng)學(xué)習(xí)處理方法分3個(gè)步驟進(jìn)行的。 STEPl :自適應(yīng)的特征向量空間的構(gòu)成步驟；為了把每次的刷臉數(shù)據(jù)作為一次學(xué)習(xí)的 數(shù)據(jù)，通過(guò)大量的統(tǒng)計(jì)，保證不斷的將最接近概率分布母體的真實(shí)的學(xué)習(xí)數(shù)據(jù)保留，而把超 出偏差的不真實(shí)的數(shù)據(jù)剔除，在真實(shí)的特征向量的要素的各個(gè)學(xué)習(xí)數(shù)據(jù)中進(jìn)行概率尺度距 離的計(jì)算，才能保證通過(guò)自適應(yīng)學(xué)習(xí)，使刷臉代碼越來(lái)越趨于穩(wěn)定，使代碼生成更加準(zhǔn)確， 這是自適應(yīng)學(xué)習(xí)的主要目的。 為了更加精確的計(jì)算持卡人的刷臉代碼，首先將公式1的刷臉圖像的特征向量空間中 的Vl]，通過(guò)學(xué)習(xí)數(shù)據(jù)矩陣公式12,以及針對(duì)學(xué)習(xí)數(shù)據(jù)矩陣的概率尺度空間的距離計(jì)算得到 公式13,置換成概率尺度距離空間的中心值的矩陣A lj，可將該矩陣作為自適應(yīng)的特征向量 空間， 【公式15】
同樣通過(guò)公式12,13可以得到特征向量空間Vl]中的概率尺度距離空間的分散矩陣，即 【公式16】
公式15與16所得到的概率尺度距離空間的中心值，與概率尺度距離空間的分散值是 同以下所述的隨著學(xué)習(xí)數(shù)據(jù)的變化而變化的，因此可以具有自適應(yīng)的特性，是不斷的趨于 概率分布的母體的數(shù)據(jù)。這樣處理可以保證持卡人的刷臉圖像代碼的特征向量空間的檢索 處于最佳的狀態(tài)，可以提高刷臉支付的代碼處于最佳值的計(jì)算結(jié)果。 這里，如公式17所示：由于概率尺度距離空間的中心值是隨著學(xué)習(xí)數(shù)據(jù)的變化而變 化，因此需要引進(jìn)一個(gè)與概率尺度距離空間的中心值矩陣的各個(gè)要素所對(duì)應(yīng)的，但是其數(shù) 值是不變的刷臉支付代碼的矩陣D1,。 設(shè)第T次刷臉支付時(shí)，所得到的特征向量wT1，wT2，…，wTp，如公式15所示，持卡人刷 臉圖像的特征向量與自適應(yīng)特征向量空間Alj的概率尺度的距離P i如下： 【公式18】
當(dāng)檢索第T次進(jìn)行刷臉支付時(shí)，持卡人刷臉圖像的特征向量《^，WT2，…，WTp與概率 尺度距離空間的中心值A(chǔ)lj中的各個(gè)自適應(yīng)特征向量之間的概率尺度的距離最小的自適應(yīng) 特征向量，所對(duì)應(yīng)的刷臉支付代碼的矩陣D 1,的代碼值，就可作為第T次刷臉支付的代碼。 STEP2 :自適應(yīng)學(xué)習(xí)刷臉支付代碼取得步驟；經(jīng)過(guò)上述步驟的處理，將持卡人第T次進(jìn) 行刷臉支付的刷臉圖像的特征向量WT1，WT2，…，WTp經(jīng)過(guò)概率尺度的距離計(jì)算，檢索出最 小概率尺度的距離所對(duì)應(yīng)的自適應(yīng)特征向量空間中的一個(gè)自適應(yīng)學(xué)習(xí)特征向量，再找到與 該自適應(yīng)學(xué)習(xí)特征向量所對(duì)應(yīng)的刷臉支付代碼的矩陣中的一個(gè)代碼，將這個(gè)代碼作為自適 應(yīng)學(xué)習(xí)的刷臉支付代碼。 按照本發(fā)明的思路可以有各種方法實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)數(shù)據(jù)矩陣的構(gòu)成，現(xiàn)僅舉一例進(jìn)行 說(shuō)明，參照公式14,設(shè)持卡人第T次進(jìn)行刷臉支付的刷臉圖像的特征向量wT1，wT2，…， WTp 與概率尺度距離空間的中心值的矩陣Alj所構(gòu)成的自適應(yīng)特征向量空間中的某一個(gè)特征向 量存在著的最小距離為P τ ι ηιη1，另一個(gè)特征向量存在著比P τ ι ηιη1稍微大的概率尺度最小距 1?為 PTijllin2。 又可設(shè)持卡人刷臉圖像的特征向量WT1，wT2，…，wTp與ψ個(gè)經(jīng)過(guò)若干次識(shí)別被登錄 的學(xué)習(xí)數(shù)據(jù)構(gòu)成的公式12的學(xué)習(xí)數(shù)據(jù)的矩陣L1 j中的各個(gè)特征向量之間的概率尺度的距離 按照公式5,6可得： 【公式2〇】
將公式20的P' = {Pl'，p2'，…，p/ }概率尺度的距離，再通過(guò)公式5,6進(jìn)行概率尺 度的自組織計(jì)算，即可得到針對(duì)持卡人刷臉圖像的特征向量wT1，wT2，…，wTp與學(xué)習(xí)數(shù)據(jù) 的矩陣L 1,的中心值A(chǔ)'，以及分散M'。 如果滿(mǎn)足（PTljlinlS l/2p ε 彡 l/2p Tl__2;或（p TljllinlS M'）}貝1J，刷臉圖像 的特征向量Wt ρ WT2，…，WTp可作為學(xué)習(xí)數(shù)據(jù)的矩陣L 的新的學(xué)習(xí)向量。 這里，作為加入學(xué)習(xí)數(shù)據(jù)的條件之一是ρτι ηιη1< l/2p Tl__2，其物理意義是；限定第T 次進(jìn)行刷臉支付的刷臉圖像的特征向量進(jìn)入學(xué)習(xí)數(shù)據(jù)的條件是盡量與其他特征向量保持 一定的概率尺度的距離，以防止誤識(shí)讀的現(xiàn)象出現(xiàn)。 范圍條件ε多l(xiāng)/2pTl__2的物理意義是，當(dāng)與該模式的概率尺度的距離相差比較大 時(shí)，不會(huì)因?yàn)樗⒛槇D像的特征向量wT1，wT2，…，wTp并不適合進(jìn)入學(xué)習(xí)數(shù)據(jù)而錯(cuò)誤的進(jìn)入 了學(xué)習(xí)數(shù)據(jù)中。 關(guān)于如何剔除不適應(yīng)作為學(xué)習(xí)數(shù)據(jù)的學(xué)習(xí)向量的方法，首先將公式20中的概率尺度 的距尚的各個(gè)要素進(jìn)行{ω = Pi-Ai ;i = 1，2，…，Ψ}偏差計(jì)算，將最大偏差值ω_所對(duì) 應(yīng)的學(xué)習(xí)數(shù)據(jù)剔除就可。 這里，只是提供了一個(gè)特征向量數(shù)據(jù)如何自適應(yīng)的進(jìn)入學(xué)習(xí)數(shù)據(jù)，以及如何剔除一個(gè) 不適于作為學(xué)習(xí)數(shù)據(jù)的方法，但是實(shí)際在系統(tǒng)構(gòu)成時(shí)往往是針對(duì)若干個(gè)數(shù)據(jù)同時(shí)，或逐步 地進(jìn)入學(xué)習(xí)數(shù)據(jù)中，以及實(shí)際在系統(tǒng)構(gòu)成時(shí)往往是針對(duì)若干個(gè)數(shù)據(jù)同時(shí)，或逐步地從學(xué)習(xí) 數(shù)據(jù)中剔除。只要參照上述方法就可預(yù)測(cè)到相關(guān)的處理方法。 在刷臉支付中，持卡人往往由于改變發(fā)型，或進(jìn)行不同的化妝等，往往會(huì)出現(xiàn)刷臉圖像 的特征向量發(fā)生較大的變化，為解決這些問(wèn)題，本發(fā)明還提出在設(shè)立學(xué)習(xí)數(shù)據(jù)的矩陣的同 時(shí)，將當(dāng)前最近得到的α次的特征向量紀(jì)錄下，成為輔助學(xué)習(xí)數(shù)據(jù)的矩陣： 【公式21】
卯米it舁擁壩守^mmtw:?件twm竿離空間中的中心值A(chǔ)"，以及分散值Μ"處 于穩(wěn)定的且收斂的狀態(tài)，另外，A"與M"與學(xué)習(xí)數(shù)據(jù)的矩陣的中心值A(chǔ)'以及分散值M'，在 概率尺度距離空間中具有較遠(yuǎn)的距離時(shí)，可以把輔助學(xué)習(xí)數(shù)據(jù)的矩陣L'與學(xué)習(xí)數(shù)據(jù)的矩陣 L合并再生成新的學(xué)習(xí)數(shù)據(jù)的矩陣，或進(jìn)行輔助學(xué)習(xí)數(shù)據(jù)的矩陣與學(xué)習(xí)數(shù)據(jù)矩陣的置換等 等。具體方法可以參照本發(fā)明提出的上述例子與思維方式，舉一反三可以得到各種各樣的 處理手段。 STEP3 :自適應(yīng)學(xué)習(xí)刷臉支付代碼取得步驟：經(jīng)過(guò)上述步驟的處理，將持卡人第T次進(jìn) 行刷臉支付的刷臉圖像的特征向量WT i，Wτ2,…，WT p經(jīng)過(guò)概率尺度的距離計(jì)算，檢索出最小 概率尺度的距離所對(duì)應(yīng)的自適應(yīng)特征向量空間中的一個(gè)自適應(yīng)學(xué)習(xí)特征向量，再找到與該 自適應(yīng)學(xué)習(xí)特征向量所對(duì)應(yīng)的刷臉支付代碼的矩陣中的一個(gè)代碼，將這個(gè)代碼作為自適應(yīng) 學(xué)習(xí)的刷臉支付代碼。 圖11是手機(jī)刷臉支付終端的構(gòu)成與操作過(guò)程示意圖。 如圖11所示：手機(jī)刷臉支付終端構(gòu)成是由手機(jī)以及在手機(jī)中下載的手機(jī)刷臉支付程 序構(gòu)成的。手機(jī)刷臉支付終端的操作過(guò)程是：當(dāng)手機(jī)通過(guò)包括藍(lán)牙，WiFi等無(wú)線電波，或聲 頻等接受到了來(lái)自其他POS系統(tǒng)，或網(wǎng)絡(luò)銷(xiāo)售平臺(tái)所發(fā)來(lái)的支付信息，手機(jī)顯示消費(fèi)清單 以及支付金額，是否分期付款，是否需要發(fā)票等，再通過(guò)人工選擇界面，或自動(dòng)的決定由那 一的信用卡進(jìn)行支付，或自動(dòng)的決定由那一個(gè)支付金融機(jī)關(guān)進(jìn)行支付，而后手機(jī)自動(dòng)的彈 出刷臉支付的認(rèn)證畫(huà)面拍照被支付者的臉部，手機(jī)程序通過(guò)識(shí)別臉部得到一個(gè)代表臉部特 征的認(rèn)證代碼，并將這個(gè)代碼發(fā)送到手機(jī)支付系統(tǒng)的服務(wù)器中進(jìn)行認(rèn)證，認(rèn)證通過(guò)后進(jìn)行 支付處理，手機(jī)顯示支付完成，如果認(rèn)證不成功將重新進(jìn)行刷臉認(rèn)證，在多次被拒絕的情況 下，手機(jī)將顯示拒絕支付的信息。 圖12是具有刷臉支付功能的POS機(jī)的示意圖。 如圖12所示：在超市中導(dǎo)入了具有刷臉支付功能的POS機(jī)后，在結(jié)算時(shí)的支付過(guò)程是 這樣的，首先，在收銀員的錄入所購(gòu)入的商品明細(xì)后，POS機(jī)向商品購(gòu)買(mǎi)者的手機(jī)發(fā)出購(gòu)買(mǎi) 商品的明細(xì)的信息，手機(jī)收到商品信息后在手機(jī)屏幕顯示商品名稱(chēng)，數(shù)量以及價(jià)格等，購(gòu)買(mǎi) 者只需按確認(rèn)鍵，或再選擇支付信用卡種類(lèi)或支付的金融機(jī)關(guān)名稱(chēng)，這時(shí)，手機(jī)將信用卡， 或金融機(jī)關(guān)的帳號(hào)發(fā)到POS機(jī)中，商品購(gòu)買(mǎi)者只需通過(guò)POS機(jī)裝載的攝像頭拍照臉部就可 實(shí)現(xiàn)支付的全過(guò)程。為了簡(jiǎn)化支付過(guò)程，在收銀員的錄入所購(gòu)入的商品明細(xì)后，POS機(jī)的屏 幕顯示商品名稱(chēng)，數(shù)量，價(jià)格等，并向商品購(gòu)買(mǎi)者的手機(jī)發(fā)出購(gòu)買(mǎi)商品的明細(xì)的信息，商品 購(gòu)買(mǎi)者的手機(jī)自動(dòng)的接受商品信息，自動(dòng)的決定使用那個(gè)信用卡種或支付的金融機(jī)關(guān)，自 動(dòng)的將信用卡的卡號(hào)或金融機(jī)關(guān)的帳號(hào)發(fā)給POS機(jī)，商品購(gòu)買(mǎi)者只需通過(guò)POS機(jī)裝載的攝 像頭拍照臉部就可完成支付。 圖13是具有刷臉支付功能所實(shí)現(xiàn)的三卡合一的示意圖。 如圖13所示：本發(fā)明提出的刷臉支付的方法，可以解決身份證，信用卡，以及大型公共 場(chǎng)所的入場(chǎng)卡的融合，可以通過(guò)導(dǎo)入刷臉支付功能的自動(dòng)閘機(jī)，入場(chǎng)者不需實(shí)現(xiàn)購(gòu)買(mǎi)入場(chǎng) 券，或只在網(wǎng)絡(luò)上購(gòu)買(mǎi)了入場(chǎng)券就可直接入場(chǎng)，并可在通過(guò)閘機(jī)的過(guò)程中，由于入場(chǎng)者的臉 部能夠在攝像頭的拍照過(guò)程中進(jìn)行入場(chǎng)者的認(rèn)證，因此可以實(shí)現(xiàn)對(duì)入場(chǎng)者的身份識(shí)別，信 用卡的入場(chǎng)費(fèi)的支付，以及作為入場(chǎng)券的識(shí)別，三卡合一的同時(shí)操作，提高了入場(chǎng)管理的效 率以及入場(chǎng)的安全性對(duì)應(yīng)。 本發(fā)明提出的刷臉支付不僅用于商品支付，還可以作為普通信用卡在支付時(shí)，進(jìn)行本 人認(rèn)證的一種方式，可解決由于信用卡被盜而產(chǎn)生的非法支付的問(wèn)題的產(chǎn)生。 另外，本發(fā)明提出的刷臉支付方法還可以作為普通銀行現(xiàn)金卡的現(xiàn)金提取時(shí)，可增加 一個(gè)刷臉認(rèn)證的步驟，可以提高銀行現(xiàn)金卡的安全。 為了制止不法者利用持卡人的照片進(jìn)行刷臉支付的犯罪行為，需要對(duì)刷臉圖像進(jìn)行是 否為生命體圖像的識(shí)別，本發(fā)明提出如下針對(duì)刷臉圖像進(jìn)行生命體圖像識(shí)別的方法。 圖14是生命體圖像識(shí)別的例子之一的示意圖。 如圖14(a)所示：上述圖4給出了用概率尺度的自組織算法識(shí)別眼球大小的方法，為 了識(shí)別是否為生命體，根據(jù)人臉的眼球在具有生命的刷臉圖像的特點(diǎn)是眼球可以眨動(dòng)，因 此，如圖14(b)所示：使用識(shí)別眼球大小的概率尺度的自組織算法，在刷臉圖像眨眼時(shí)，圖 14(a)的M (n)遠(yuǎn)遠(yuǎn)大于圖14(b)的M(n)'，即M(n)' <M(n)的狀態(tài)瞬時(shí)具備。 刷臉圖像為生命體的圖像的識(shí)別不僅是上述的眼球眨眼的識(shí)別，還可以按照上述概率 尺度的自組織算法方法識(shí)別張嘴閉嘴的動(dòng)作，臉部微笑時(shí)的肌肉微小變化，瞳孔的變化，識(shí) 別臉部微小晃動(dòng)的加速度，識(shí)別臉部的顏色的方法等等。
【主權(quán)項(xiàng)】
1. 一種手機(jī)刷臉支付代碼的生成方法，具有如下的特點(diǎn)： (1) 刷臉支付代碼的生成是基于概率尺度距離空間中的人臉的五官位置信息，五官尺 寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉的膚色信息在內(nèi)的至少一種人 臉特征信息的； (2) 刷臉支付代碼是將上述概率尺度距離空間的特征信息按照人為介入的方法，通過(guò) 隸屬函數(shù)進(jìn)行數(shù)值化處理的； (3) 刷臉支付代碼是將上述復(fù)數(shù)的數(shù)值化的數(shù)據(jù)構(gòu)成的特征向量，再經(jīng)概率尺度距離 空間的自適應(yīng)學(xué)習(xí)的方法得到具有唯一性的最終刷臉代碼值。2. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付代碼的生成方法，其特征在于：概率尺度 距離空間的人臉特征信息，是指將人臉隨機(jī)分布的特征信息，通過(guò)包括正態(tài)分布，指數(shù)分 布，愛(ài)爾朗分布，韋伯分布，三角分布，貝塔分布中至少一種具有概率分布的概率屬性的參 數(shù)作為自組織概率尺度，最終通過(guò)概率尺度的自組織的算法獲得的具有相對(duì)確定性的特征 信息。3. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付代碼的生成方法，其特征在于：針對(duì)持卡 人的臉部進(jìn)行識(shí)別是依賴(lài)于手機(jī)拍照的持卡人的臉部圖像為不含亮度信息的彩色圖像，在 不損失臉部圖像色彩信息的基礎(chǔ)上實(shí)現(xiàn)將臉部圖像變換成可以特定持卡人的代碼。4. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付代碼的生成方法，其特征在于：本發(fā)明利 用上述人臉五官圖像在某一顏色下，以及在某一灰度值下的像素分布的密度規(guī)律，導(dǎo)入概 率尺度自組織的算法，自動(dòng)的將人臉五官位置信息抽出。5. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付代碼的生成方法，其特征在于：將上述人 臉特征信息通過(guò)概率自組織算法得到最為接近母體的特征值，同時(shí)又導(dǎo)入模糊數(shù)學(xué)的理 論，針對(duì)上述求出的人臉的信息通過(guò)人為介入的方式，使用基于人為經(jīng)驗(yàn)所定義的復(fù)數(shù)個(gè) 隸屬函數(shù)（Membership Function)，在0到η數(shù)值之間進(jìn)行數(shù)值化直接生成具有圖像代碼性 質(zhì)的特征向量。6. 根據(jù)權(quán)利要求1所述的一種手機(jī)刷臉支付代碼的生成方法，其特征在于：刷臉支付 代碼的生成是考慮了包括眼球的眨眼的動(dòng)作，張嘴閉嘴的動(dòng)作，臉部微笑時(shí)的肌肉微小變 化，瞳孔的變化，臉部微小晃動(dòng)的加速度，臉部的顏色在內(nèi)至少一種反映生命體圖像特征的 刷臉圖像的生命體圖像的識(shí)別。7. -種手機(jī)刷臉支付代碼的生成程序，具有如下的特點(diǎn)： (1) 概率尺度距離空間處理模塊具備可產(chǎn)生于在概率尺度距離空間中的人臉的五官位 置信息，五官尺寸的信息，人臉的形狀信息，人臉局部頻率空間的信息，人臉的膚色信息在 內(nèi)的至少一種人臉特征信息的功能； (2) 特征信息數(shù)值化模塊將上述概率尺度距離空間的信息按照人為介入的方法，通過(guò) 隸屬函數(shù)進(jìn)行數(shù)值化處理功能； (3) 刷臉支付代碼最終生成模塊針對(duì)復(fù)數(shù)的數(shù)值化的數(shù)據(jù)構(gòu)成的特征向量，再經(jīng)概率 尺度距離空間的自適應(yīng)學(xué)習(xí)的方法得到具有唯一性的最終刷臉代碼值。
【文檔編號(hào)】G06K9/00GK105844461SQ201510023088
【公開(kāi)日】2016年8月10日
【申請(qǐng)日】2015年1月13日
【發(fā)明人】顧澤蒼
【申請(qǐng)人】天津市阿波羅信息技術(shù)有限公司